如何在R中实现非分层（可打乱）的k折交叉验证？

以下提供3种常用实现方案，均支持自定义是否打乱数据顺序，等效于Python中sklearn的KFold功能：

方法1：Base R 原生实现（无需安装额外包） #

无需引入第三方依赖，适合轻量使用场景：

# 设定参数
k <- 5 # 折数
data <- your_data # 替换为你的数据集
n <- nrow(data)
shuffle <- TRUE # 是否打乱顺序，改为FALSE则不打乱

# 生成划分索引
if (shuffle) {
  set.seed(123) # 固定随机种子保证可复现，可自定义数值
  idx <- sample(1:n, n)
} else {
  idx <- 1:n
}
# 切分为k个折
folds <- cut(idx, breaks = k, labels = FALSE)

# 调用示例：提取第i折的训练、测试集
i <- 1
test_idx <- which(folds == i)
train_set <- data[-test_idx, ]
test_set <- data[test_idx, ]

方法2：使用caret包实现 #

适合已经在使用caret生态做建模的场景：

library(caret)
k <- 5
n <- nrow(your_data)
set.seed(123)
# 不传入真实标签向量，传入1:n即可实现非分层划分
# returnTrain = FALSE时返回测试集索引，为TRUE时返回训练集索引
folds <- createFolds(y = 1:n, k = k, list = TRUE, returnTrain = FALSE)

# 调用示例：提取第1折测试集
test_idx <- folds[[1]]
test_set <- your_data[test_idx, ]
train_set <- your_data[-test_idx, ]

注：不需要打乱顺序的场景更推荐使用Base R实现，避免caret默认的随机采样逻辑

方法3：使用rsample包实现（tidymodels生态，最贴合sklearn KFold使用习惯） #

rsample是tidymodels生态专门用于数据重抽样的工具，参数直接对应sklearn的KFold功能：

library(rsample)
set.seed(123)
# v为折数，strata设为NULL表示不使用分层，shuffle控制是否打乱顺序
folds <- vfold_cv(data = your_data, v = 5, strata = NULL, shuffle = TRUE)

# 调用示例：提取第1折训练、测试集
train_set <- training(folds$splits[[1]])
test_set <- testing(folds$splits[[1]])

注意事项 #

• 所有随机划分场景均建议设置set.seed()固定随机种子，保证实验可复现
• 非分层划分适合回归任务、或类别分布均衡的分类任务，如果类别占比极端不平衡仍建议使用分层划分

内容的提问来源于stack exchange，提问作者Johannes Wiesner